如何获得每个图像属于一个类的概率答案

【问题标题】：How to get probability of each image belonging to a class如何获得每个图像属于一个类的概率
【发布时间】：2020-03-05 02:00:55
【问题描述】：

我是 Pytorch 的新手。我训练并测试了一个线性分类器（nn.Linear），它的图像数据集有 8 个类别，batch_size = 35。在测试时，我想看看给定图像属于这 8 个类别中的任何一个的概率是多少。这就是我打印 output.data 变量的原因。但是这些数字都在 1 以上，并且它们的总和不等于 1。（我附上了测试代码）那么，我的问题是这些数字是什么意思？

谢谢！

correct = 0
total = 0
with torch.no_grad():
    for data in dataloaders['test']:
        images, labels = data[0].to(device), data[1].to(device)
        outputs = model(images)
        print(outputs.data)

        _, predicted = torch.max(outputs.data, 1)
        print(predicted)
        total += labels.size(0)
        correct += (predicted == labels).sum().item()
print('Accuracy of the network on the 4000 test images: %d %%' % (
100 * correct / total))

【问题讨论】：

可以发一下模型类吗？
线性分类器仍然可以（并且可能应该）包含 Softmax。参见例如this Wikipedia article.
这种问题建议你也许应该回到基础，了解你在做什么，而不是仅仅使用它。请考虑一下。
那么，output.data 是否给了我 softmax 向量？如果是，为什么我的概率会高于 1？
nn.CrossEntropyLoss 标准假设向其提供了非软最大网络输出。它有效地应用了 softmax，然后是负对数似然损失。将它们结合起来的原因是因为单独的 softmax 在数值上不是很稳定，并且可以以更稳定的方式同时计算这两个操作。如果您想要一个有效的分布，您应该将 softmax 应用于输出，但不应直接将 softmax 应用于您在训练时发送到标准的向量。此外，softmax 保留顺序，因此如果您只对 argmax 感兴趣，则不需要 softmax。

标签： python classification pytorch

【解决方案1】：

您将 logits 作为神经网络的输出。

在输出中使用torch.nn.Softmax 将值压缩到 (0,1) 范围内。

顺便说一句。您的网络应该输出 logits，因为 pytorch 的损失（在这种情况下为 torch.nn.CrossEntropyLoss）旨在与它们一起工作，同时保持数值稳定。

【讨论】：